公开(公告)号：CN114839536B

公开(公告)日：2024-06-04

申请号：CN202210352554.2

申请日：2022-04-05

Applicant: 北京工业大学

Inventor： 张彦琴 ,  杨紫东

IPC: G01R31/367 ,  G01R31/392 ,  G06F17/18

Abstract: 本发明公开了一种基于多健康因子的锂离子电池健康状态估计方法，属于电池管理技术领域，主要解决在快速充电条件下电池健康状态估计精度不高的问题。基于电池快速充放电循环实验中的电压和电流测试数据，从恒流充电过程中提取健康因子组成特征向量，特征向量包含充电过程中局部电压区间内的充电时间、充电能量和信息熵。以特征向量为输入，电池SOH为输出建立高斯过程回归预测模型，并用实验数据对高斯过程回归模型进行训练。在线状态下，获取输入特征向量，输入到已训练的高斯过程回归模型中，可以对电池SOH进行预测。本发明不需要建立复杂的电池物理模型，通过数据驱动的方法，可实现电池SOH在线评估，具有非常高的精确度和较好的通用性。

公开(公告)号：CN117406110A

公开(公告)日：2024-01-16

申请号：CN202311529542.3

申请日：2023-11-16

Applicant: 北京工业大学

Inventor： 张彦琴 ,  杨紫东 ,  张宇辰

IPC: G01R31/385 ,  G01R31/392 ,  G01R31/367 ,  G01R31/36

Abstract: 本发明公开了基于寿命预诊断和迁移学习的锂离子电池SOH估计方法，提取电池寿命特征值，利用两个聚类中心电池的历史循环数据建立电池SOH的门控循环神经网络GRU预测模型，输入为电池1C倍率恒流充电时间和1C倍率恒流充电平均电压，输出为电池SOH。对待估计电池，要在早期循环数据中提取寿命特征，进行寿命类别判断，匹配相应的SOH预测模型；再利用早期循环数据对预测模型进行迁移学习，继而在迁移学习后的模型基础上，循环数据包括电池1C倍率恒流充电时间和1C倍率恒流充电平均电压作为输入，进行SOH估计。估计方法建立在既有模型基础上，不需要对每个电池进行数据模型建模，在保障估计精度的前提下节约了时间成本。

公开(公告)号：CN114839536A

公开(公告)日：2022-08-02

申请号：CN202210352554.2

申请日：2022-04-05

Applicant: 北京工业大学

Inventor： 张彦琴 ,  杨紫东

IPC: G01R31/367 ,  G01R31/392 ,  G06F17/18

Abstract: 本发明公开了一种基于多健康因子的锂离子电池健康状态估计方法，属于电池管理技术领域，主要解决在快速充电条件下电池健康状态估计精度不高的问题。基于电池快速充放电循环实验中的电压和电流测试数据，从恒流充电过程中提取健康因子组成特征向量，特征向量包含充电过程中局部电压区间内的充电时间、充电能量和信息熵。以特征向量为输入，电池SOH为输出建立高斯过程回归预测模型，并用实验数据对高斯过程回归模型进行训练。在线状态下，获取输入特征向量，输入到已训练的高斯过程回归模型中，可以对电池SOH进行预测。本发明不需要建立复杂的电池物理模型，通过数据驱动的方法，可实现电池SOH在线评估，具有非常高的精确度和较好的通用性。